-
题名高效带宽傅里叶分解及其轴承故障诊断应用
- 1
-
-
作者
王爽
宋秋昱
张驰
江星星
朱忠奎
-
机构
苏州大学应用技术学院
苏州大学轨道交通学院
山东交通学院运输车辆检测、诊断与维修技术交通行业重点实验室
-
出处
《噪声与振动控制》
CSCD
北大核心
2024年第5期154-159,共6页
-
基金
国家自然科学基金资助项目(52172406,51875376)
中国博士后科学基金资助项目(2021M702752,2022T150552)
运输车辆检测、诊断与维修技术交通行业重点实验室开放基金资助项目(JTZL2104)。
-
文摘
自适应带宽傅里叶分解(Adaptive Bandwidth Fourier Decomposition,ABFD)是一种基于带宽优化的非平稳信号分析方法。然而,以中心频率重叠度作为分解终止条件在实际应用中会分解出若干冗余的模式分量,造成分解效率降低,为后续分析增加负担。为此,提出高效带宽傅里叶分解(Efficient Bandwidth Fourier Decomposition,EBFD)的轴承故障诊断方法。该方法构建重加权峭度引导的快速停止准则,能够高效地确定最优分解模式数目,避免大量冗余分量的干扰。进一步地,根据重加权峭度指标定位出目标故障分量,实现轴承故障诊断。滚动轴承故障试验信号分析结果表明:所提出方法能够高效终止分解进程,得到所有潜在的模式分量,并准确定位出故障分量;由EBFD与ABFD提取故障分量的归一化频率能量比均为1.0,EBFD运行所需时间为3.3 s,分解速度相较于ABFD提高33.8 s;相较于其他信号分析方法,采用所提出方法能够更准确识别出轴承故障特征。
-
关键词
故障诊断
带宽傅里叶分解
轴承
重加权峭度
-
Keywords
fault diagnosis
bandwidth Fourier decomposition
bearing
reweighted kurtosis
-
分类号
TN911.6
[电子电信—通信与信息系统]
TH165.3
[机械工程—机械制造及自动化]
-
-
题名改进MVMD方法及其在轴承故障诊断中应用
被引量：3
- 2
-
-
作者
王前
王鑫
宋秋昱
江星星
-
机构
苏州城市学院光学与电子信息学院
苏州大学轨道交通学院
-
出处
《噪声与振动控制》
CSCD
北大核心
2023年第6期88-94,共7页
-
基金
国家自然科学基金资助项目(52172406)
中国博士后科学基金资助项目(2021M702752,2022T150552)
+1 种基金
苏州市重点产业技术创新资助项目(SYG202111)
江苏省高等学校自然科学研究资助项目(20KJB460006)。
-
文摘
随着多传感器采集系统的发展,多元信号的同步处理变得尤为重要。多变量变分模式分解(Multivariate Variational Mode Decomposition,MVMD)方法是一种在变分模式分解方法基础上发展起来的多元信号分析方法,具有物理意义清晰、抗干扰能力强等特点。然而,须预先设置分解模式个数和带宽平衡参数对其在实际工程中的应用产生限制。为此,提出一种改进MVMD方法。该方法构建带宽估计策略和MVMD单分量迭代分解策略,能够合理确定带宽平衡参数,并在固定带宽下基于峭度准则迭代分解出故障分量。多通道的轴承故障试验信号分析结果表明:提出的方法能够合理确定目标分量的带宽,且无须预设模式分量个数;该方法运行所需时间为8.3 s,相较于传统的固定参数MVMD、多维经验模态分解和快速谱峭度,可在没有损失时间效率的前提下更准确地识别出多通道故障特征。
-
关键词
故障诊断
带宽估计
迭代分解
多变量变分模式分解
多通道信号分析
-
Keywords
fault diagnosis
bandwidth estimation
iterative decomposition
multivariate variational mode decomposition
multichannel signals analysis
-
分类号
TN911.6
[电子电信—通信与信息系统]
TH165.3
[机械工程—机械制造及自动化]
-
-
题名自适应变分模式提取的轴承故障诊断方法
被引量：1
- 3
-
-
作者
王鑫
江星星
宋秋昱
杜贵府
朱忠奎
-
机构
苏州大学轨道交通学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第15期83-91,共9页
-
基金
国家自然科学基金(52172406
51875376)
+3 种基金
中国博士后科学基金(2021M702752
2022T150552)
苏州市重点产业技术创新项目(SYG202111)
城市轨道交通车辆服役性能保障北京市重点实验室开发课题(PGU2020K008)。
-
文摘
变分模式提取(variational mode extraction, VME)能够从复杂信号中提取特定的模式分量,但其在轴承故障诊断中的应用潜力受到初始中心频率和平衡参数的影响。因此,为了克服VME在轴承故障诊断应用中超参数的设置问题,深入探究VME模型中心频率迭代更新过程,发现中心频率收敛趋势现象并通过理论证明其存在性,由此提出中心频率定位策略,可自适应地确定目标中心频率。为了最大化匹配故障信息,构造基于故障特征幅值比的平衡参数优化策略,能够优化目标分量的带宽。以上中心频率定位策略和平衡参数优化策略,构成自适应变分模式提取的故障诊断方法,该方法能够在无需预设初始中心频率及平衡参数的情况下自适应提取故障相关分量。仿真和两个试验案例分析结果验证所提方法在轴承故障诊断领域相比于连续变分模式分解、经验模式分解和快速谱峭度方法更具有效性和优越性。
-
关键词
变分模式提取(VME)
中心频率
平衡参数
滚动轴承
故障诊断
-
Keywords
variational mode extraction(VME)
center frequency
balance parameter
rolling bearing
fault diagnosis
-
分类号
TN911.6
[电子电信—通信与信息系统]
TH165.3
[机械工程—机械制造及自动化]
-
